基于深度学习的二维人体姿态估计综述
作者:
作者单位:

作者简介:

张宇(1986-),男,博士,副教授,CCF专业会员,主要研究领域为计算机视觉,机器学习,深度学习;张敏灵(1979-),男,博士,教授,博士生导师,CCF杰出会员,主要研究领域为机器学习,数据挖掘;温光照(1997-),男,硕士,主要研究领域为计算机视觉;耿新(1978-),男,博士,教授,博士生导师,CCF杰出会员,主要研究领域为机器学习,模式识别,计算机视觉;米思娅(1988-),女,博士,讲师,主要研究领域为用于网络安全的数据处理,计算机视觉.

通讯作者:

米思娅,E-mail:SiyaMi@seu.edu.cn

中图分类号:

TP18

基金项目:

国家重点研发计划(2018AAA0100100);国家自然科学基金(61702095);江苏省自然科学基金(BK20190341)


Overview on 2D Human Pose Estimation Based on Deep Learning
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    人体姿态估计是计算机视觉领域的一个基础且具有挑战的任务,人体姿态估计对于描述人体姿态、描述人体行为等至关重要,是行为识别、行为检测等计算机视觉任务的基础.近年来,随着深度学习的发展,基于深度学习的人体姿态估计算法展现出了极其优异的效果.从单人人体姿态估计、自顶向下的多人人体姿态估计和自底向上的多人人体姿态估计这3种主流的人体姿态估计方式,介绍近年来基于深度学习的二维人体姿态估计算法的发展,并讨论目前二维人体姿态估计所面临的困难和挑战.最后,对人体姿态估计未来的发展做出展望.

    Abstract:

    Human pose estimation is a basic and challenging task in the field of computer vision. It is the basis for many of computer vision tasks, such as action recognition and action detection. With the development of deep learning methods, deep learning-based human pose estimation algorithms have shown excellent results. This study divides pose estimation methods into three categories, including single person pose estimation, top-down multi-person pose estimation, and bottom-up multi-person pose estimation. The development of 2D human pose estimation algorithms in recent years is introduced, and the current challenges of two-dimensional human pose estimation are discussed. Finally, the outlook for the future development of human pose estimation is given.

    参考文献
    相似文献
    引证文献
引用本文

张宇,温光照,米思娅,张敏灵,耿新.基于深度学习的二维人体姿态估计综述.软件学报,2022,33(11):4173-4191

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-01-18
  • 最后修改日期:2021-01-06
  • 录用日期:
  • 在线发布日期: 2021-08-02
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号